offer 报表数据分析示例

数据信息:

Unnamed: 0 offerid sourceName affiliateId clickCount installs

0 0 21059 Clickorbits 10110006 705895 3785

1 1 1818 Mobavenue 10110080 9209 3124

2 2 1817 Mobavenue 10110080 4021 1

3 3 16493 A-Scale.IO 10110006 4651015 695

4 4 21048 A-Flyfunads-C 10110006 0 1321

5 5 18297 XYads-ID 10110006 7451168 2954

6 6 18676 A-Adaction 10110014 16421 13071

7 7 12078 A-Advolt 10110080 3335 0

8 8 12382 A-NSG Media 10110080 3918 1

9 9 1625 Mobavenue 10110006 1954129 2775

10 10 20630 comemobile 10110006 0 0

11 11 20169 A-Collectcent 10110006 5452751 3426

12 12 18379 Mobavenue 10110080 30705 26637

13 13 20698 A-Mobisummer-C 10110006 28274 108

14 14 4702 A-Justdo 10110006 16053001 22456

15 15 6987 A-Advolt 10110006 5543597 4552

16 16 12072 D-Nira 10110080 31776 27680

17 17 2022 A-AppMontize 10110080 23475 20022

18 18 20038 A-Smartconnect 10110006 513361 62

19 19 1818 Mobavenue 10110006 8329336 1421

1、 查看offer 报表的最高clickCount,最低clickCount,平均值和中位数;

python 复制代码
data = pd.read_csv(filename)
data['clickCount'].max()
data['clickCount'].min()
data['clickCount'].mean()
data['clickCount'].median()

2、 查看offer 报表的最高clickCount和最低clickCount 的全部信息;

python 复制代码
data = pd.read_csv(filename)
data.sort_values('clickCount').head(1)           最小值
data.sort_values('clickCount').tail(1)           最大值
data[data['clickCount'] == data['clickCount'].max()]

3、 获取installs 最高的2个 sourceName;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('sourceName')['installs'].sum().sort_values(ascending=False).head(2)

4 、获取installs 最高的1个affiliateId 值;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('affiliateId')['installs'].sum().nlargest(1)

5 、按affiliateId 值分组,统计每个affiliateId下offerid的个数;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('affiliateId')['offerid'].count()

affiliateId

10110006 12

10110014 1

10110080 7

6、 查找 affiliateId=10110006 和clickCount< 150000,数据;

python 复制代码
data = pd.read_csv(filename)
result = data[(data['affiliateId'] == 10110006) & (data['clickCount'] < 150000)]



    Unnamed: 0  offerid      sourceName  affiliateId  clickCount  installs
4            4    21048   A-Flyfunads-C     10110006           0      1321
10          10    20630      comemobile     10110006           0         0
13          13    20698  A-Mobisummer-C     10110006       28274       108

7、 查找 affiliateId=10110006 和clickCount> 150000,数据, 并按照clickCount排序;

python 复制代码
data = pd.read_csv(filename)
result = data[(data['affiliateId'] == 10110006) & (data['clickCount'] > 150000)].sort_values('clickCount',ascending=False)




Unnamed: 0  offerid      sourceName  affiliateId  clickCount  installs
14          14     4702        A-Justdo     10110006    16053001     22456
19          19     1818       Mobavenue     10110006     8329336      1421
5            5    18297        XYads-ID     10110006     7451168      2954
15          15     6987        A-Advolt     10110006     5543597      4552
11          11    20169   A-Collectcent     10110006     5452751      3426
3            3    16493      A-Scale.IO     10110006     4651015       695
9            9     1625       Mobavenue     10110006     1954129      2775
0            0    21059     Clickorbits     10110006      705895      3785
18          18    20038  A-Smartconnect     10110006      513361        62
相关推荐
weixin_4462608523 分钟前
揭开数据分析的新篇章:OpenBB金融数据平台
金融·数据挖掘·数据分析
YangYang9YangYan1 小时前
2026年大专大数据与会计专业核心证书推荐
大数据·学习·数据分析
wang_yb10 小时前
前注意加工:让你的图表抓住读者的眼球
数据分析·databook
databook11 小时前
前注意加工:让你的图表抓住读者的眼球
python·数据分析·数据可视化
computersciencer20 小时前
用动态和微观的观点理解微分
数学建模·数据分析·微积分·高等数学
B站计算机毕业设计之家21 小时前
大数据毕业设计:基于python图书数据分析可视化系统 书籍大屏 爬虫 清洗 可视化 当当网书籍数据分析 Django框架 图书推荐 大数据
大数据·爬虫·python·机器学习·自然语言处理·数据分析·课程设计
hk11241 天前
【Adversarial/Forensics】2026年度对抗性攻击防御与持久化内存取证基准索引 (Benchmark Index)
人工智能·网络安全·数据分析·系统架构·数据集
人大博士的交易之路1 天前
第三章 市场的分析体系
大数据·数学建模·数据挖掘·数据分析·缠论·道琼斯结构·人大博士的交易之路
YangYang9YangYan1 天前
2026届中专电商生学数据分析的可行性分析
数据挖掘·数据分析
爱喝可乐的老王1 天前
数据分析实战——数据清洗常用流程
数据挖掘·数据分析·pandas